AIS Adaptive Nonlinear Smoothing
- Indikatoren
- Aleksej Poljakov
- Version: 1.0
- Aktivierungen: 5
Sehr häufig werden bei der Untersuchung von Finanzreihen deren Glättungen angewendet. Mit der Glättung können Sie hochfrequente
Komponenten entfernen - es wird angenommen, dass sie durch zufällige Faktoren verursacht werden und daher irrelevant sind. Die
Glättung beinhaltet immer eine Art der Mittelung der Daten, bei der sich zufällige Änderungen in den Zeitreihen gegenseitig
absorbieren. Zu diesem Zweck werden meist einfache oder gewichtete gleitende Durchschnittsmethoden sowie eine exponentielle
Glättung verwendet.
Jede dieser Methoden hat ihre Vor- und Nachteile. Somit ist ein einfacher gleitender Durchschnitt einfach und intuitiv, aber seine
Anwendung erfordert die relative Stabilität der periodischen und Trendkomponenten der Zeitreihe. Außerdem ist eine
Signalverzögerung charakteristisch für einen gleitenden Durchschnitt. Die exponentielle Glättungsmethode ist frei von
Verzögerungseffekten. Aber auch hier gibt es Fehler - die exponentielle Glättung ist nur dann wirksam, wenn die Reihe mit zufälligen
Ausreißern abgeglichen wird.
Ein vernünftiger Kompromiss zwischen einfachen und exponentiellen Durchschnittswerten ist die Verwendung eines gewichteten
gleitenden Durchschnitts. Es besteht jedoch das Problem, bestimmte Gewichtswerte zu wählen. Versuchen wir das gemeinsam zu klären.
Definieren Sie also zunächst, was wir mit dem Glättungsverfahren erreichen möchten:
• Zunächst müssen wir zufällige Änderungen und Störungen aus der Preisreihe entfernen.
• Zweitens möchten wir ungewöhnliche Emissionen und ungewöhnliches Preisverhalten identifizieren, die auch im Handel eingesetzt
werden können.
• und schließlich sollte das Mittelungsverfahren nachhaltige Trends identifizieren, wenn sie auf dem Markt vorhanden sind.
Und natürlich möchten wir, dass das Glättungsverfahren an die aktuelle Marktsituation angepasst wird.
Um das gewünschte Ergebnis zu erzielen, berechnen wir die Gewichte in Abhängigkeit davon, wie weit dieses Preisniveau von den Maximal-
und Minimalpreisen für den Untersuchungszeitraum entfernt ist. Durch diesen Ansatz erhalten wir einen Filter, der das
Glättungsverfahren in Abhängigkeit von der Preisverteilung für den gewünschten Zeitraum implementiert.
Der Hauptvorteil eines solchen Glättungsalgorithmus ist seine Stabilität gegenüber verschiedenen Arten von Emissionen:
Preisabweichungen können sehr groß sein, der Filter folgt jedoch weiterhin den wichtigsten Trends. Darüber hinaus können wir mit
unterschiedlichen Anfangsdaten unterschiedliche wesentliche Effekte erzielen. Wenn also die Preise mehr oder weniger
gleichmäßig verteilt sind, erhalten wir einen Moving Median Filter. Wenn sich die Preise um einen Wert und eine ausreichend große
Differenz zwischen Maximum und Minimum ansammeln, erhalten wir eine modale Glättung. Liegen alle Preise in einem sehr engen
Intervall, so erhalten wir einen einfachen gleitenden Durchschnitt.
Der Hauptnachteil dieser Methode ist, dass die Glättung ohne Berücksichtigung von Preisänderungen im Zeitverlauf durchgeführt wird.
Tatsächlich können wir die Reihenfolge der Preise innerhalb des analysierten Zeitraums beliebig ändern - dies hat keinen Einfluss
auf das Ergebnis der Berechnungen. Wir können also sagen, dass dieser Algorithmus die Preisänderung als zufälligen Prozess
betrachtet.
Lassen Sie uns trotz dieses Nachteils sehen, wie dieser Algorithmus auf realen Daten funktioniert. In diesem Fall gehen wir wie folgt vor:
Zuerst werden die Preise von Open, High und Low getrennt voneinander geglättet und dann alle Preise zusammen. Wenn wir alle Preise
gleichzeitig glätten, können wir beurteilen, wie stabil das Preisverhalten im Allgemeinen ist. Die blaue Linie zeigt die Glättung
der hohen Preise, die rote Linie - Niedrig und die grüne Linie zeigt die Glättung der Eröffnungspreise an. Die weiße gepunktete Linie
zeigt die Glättung aller Preise gleichzeitig.
- LH ist ein Parameter, der die Anzahl der für die Analyse verwendeten Balken festlegt. Der zulässige Wert liegt im Bereich von 0 bis 255, während die tatsächliche Anzahl der Balken um eins erhöht wird.
